空气预热器实时监控系统堵塞可视化性能研究

针对电站锅炉回转式空气预热器运行时上下表面不可见的问题，本文提出了一种视频监控与故障分析系统，可直接监测转子表面情况。该系统通过视频监控获取图像，结合改进的Retinex算法对其进行处理，实现了以下2个功能:1）能分析积灰程度以判断转子堵塞 情况；2）与温度场融合实时显示转子表面热点分布以预防二次燃烧。该系统已应用于某600 MW机组，实现了在热态环境下对空气预热器转子积灰程度、热点分布、堵塞程度的估算与可视化，大大提高了空气预热器运行的可靠性。     

Weibull型无故障数据下综合Bayes置信可靠性评估模型

在无故障数据情况下,将失效概率结合Bayes理论引入置信限,分析了修正后的数据Weibull分布中单侧置信可靠性。其方法是:首先基于Weibull分布采用配分布曲线法进行分析,构造出多层先验分布给出失效概率的综合EBayes估计,结合最小二乘法拟合得到分布参数的估计值;根据参数的统计性质构造置信区间的枢轴量,同时,给出Weibull分布特征参数的区间估计和可靠度置信下限。以经典轴承试验为例,将此方法与其它方法计算结果进行对比,证明了该方法对置信可靠性评估的合理性和可行性。     

基于K近邻互信息估计的原油管道电耗预测

为使用最少的特征实现管道电耗的精准预测,建立基于K近邻互信息估计的BPNN模型来预测管道电耗.利用管道输送理论公式扩充原始数据集,利用K近邻互信息估计提取强相关性特征,将提取出的特征喂入BPNN来建立原油管道电耗预测模型,最后对比利用不同输入特征建立的模型的预测精度.研究结果表明:利用K近邻互信息估计能够选出多个与电耗相关的重要特征;利用相关性最强的前5个特征建立的BPNN预测模型时,模型的平均绝对百分比误差比利用单个特征建模时降低了39.28％,达到5.79％;该模型平均训练时间也比利用全部特征建模时缩短22.49％.证明K近邻互信息估计能够提取管道电耗的相关特征,与BPNN结合后能够实现管道电耗的准确预测.     

基于会议电话中的实时语音降噪算法研究

在兼顾降噪性能和功耗的基础上，提出一种基于多特征估计的实时语音降噪算法? 算法首先将输入信号进行快速傅里叶变化，并根据概率密度进行噪声估计，然后分别计算输入信号的３个特征频谱平坦度、频谱差异度和似然值，并将特征值映射到激活函数上求出语音概率，最后根据该概率来更新滤波器系数，从而获得去噪的信号，与改进谱减法、自适应维纳滤波法和基于调制深度的算法的实验对比显示，提出算法的信噪比改善情况明显好于其他算法，最大改善幅度达到16ｄＢ左右。此外，主观语音质量评估的效果也高于其他算法。     

基于深度学习的人体姿态估计方法综述

基于深度学习的人体姿态估计方法旨在通过构建合适的神经网络，直接从二维的图像特征中回归出人体姿态信息。主要按照2D人体姿态估计到3D人体姿态估计的顺序，并从单人检测与多人检测、稀疏的关节点检测与密集的模型构建等方面，对近年来基于深度学习的人体姿态估计方法进行系统介绍，从而初步了解如何通过深度学习的方法得到人体姿态的各个要素，包括肢体部件的相对朝向和比例尺度、骨骼关节点的位置坐标和连接关系，甚至更为复杂的人体蒙皮模型信息。最后,对当前研究面临的挑战以及未来的热点动向进行概述，清晰地呈现出该领域的发展脉络。     

基于极大似然估计的工业机器人腕部6维力传感器在线标定

针对工业机器人实时监测腕部工具工作受力情况的需求,提出了基于极大似然估计的在线标定算法.首先,在机器人末端工具的活动负载部分安装6维力传感器,并实时采集力与力矩数据以及机器人工具运动轨迹.然后,考虑到不同运行速度下运动振动的干扰,根据系统力学关系求解工具重心坐标、机器人安装倾角、力传感器零点以及负载重力.最后,在10 mm/s～1000 mm/s不同速度条件下进行实验,分析求解结果的一致性,并与最小二乘法进行对比.对比结果显示基于极大似然估计可以把工具重心平均标准差从0.67 mm降到0.23 mm,力零点标准差从0.73 N降到0.27 N,力矩零点标准差从0.29 N·m降到0.05 N·m.实验结果表明极大似然估计能有效抵抗机器人高速运动引起的干扰,可以应用于机器人高速运动情况下的实时在线零点标定.     

一种灰度化混合法在集装箱箱号识别中的运用

研究一种基于机器视觉的集装箱箱号识别方法。对于集装箱彩色图像预处理过程中的灰度化方法，传统的灰度化算法不能有效弥补图像中污损或其他信息缺失的部分，因此，本文提出使用主成分分析法（PCA）结合贝叶斯阈值估计灰度变化率的混合法对图像的灰度化进行优化，可以在判断图像中某一点灰度值与周围相邻像素点的灰度值的变化率后，弥补缺失信息，有效确定边缘特征，从而使后续的字符识别准确率大大提高。最后使用该算法模型设计实现一套用于港口集装箱的智能检测系统。经过Matlab实验验证，在对50幅港口集装箱箱号图像的识别中，通过使用本文提出的混合灰度化方法，与普通的均值法和加权平均法的灰度化方法相比，准确率更高，其中单一字符准确率可达96%，箱号准确率可达92%。     

基于限定PSO初始化空间的随机最大似然算法

针对随机最大似然算法（SML）在波达方位（DOA）估计中由于多维非线性优化导致计算复杂度大的问题，提出一种限定粒子群（PSO）算法搜索空间的SML算法。该算法克服了一个缺陷，即在采用ESPRIT算法限定PSO初始化空间时，在阵列结构是非均匀线性阵列而且信号是相干信号时ESPRIT算法不能直接处理信号，且需要采用一组预处理技术，这增加了算法计算的复杂度。提出的算法的关键之处在于采用假设技术确定初始化点来代替ESPRIT算法的解，结合克拉美罗界（CRB）确定PSO算法的初始化解空间。这一方法不必再采用预处理技术，且利用限定PSO初始化空间的算法大大降低了SML算法的计算复杂度。实验结果表明，提出的算法为相干情况和非相干情况都提供了相当好的初始值。最后，将该算法与许多现有算法进行比较，验证提出算法的有效性和准确性。     

一种混合多边缘型LDPC码密度进化算法

在二进制输入加性高斯白噪声信道下，研究了基于多边缘型低密度奇偶校验码（Multi-edge Low Density Parity Check，MET-LDPC）的密度进化算法。针对高斯近似算法在前期迭代中的不准确问题，提出了一种改进算法。在分析MET-LDPC码的密度进化的基础上，将全密度进化与高斯近似算法结合，通过设置切换限制条件，弥补早期迭代的不准确，提高编码阈值估计的准确性。仿真结果表明,与MET-LDPC全密度进化算法相比，所提算法可以有效提高编码阈值估计的准确性，对LDPC编码的设计有一定的参考价值。